資料介紹
遺傳算法的生物學基礎
生物在自然界中的生存繁衍,顯示出了其對自然環境的自適應能力。受其啟發,
人們致力于對生物各種生存特性的機理研究和行為模擬,為人工自適應系統的設計
和開發提供了廣闊的前景。遺傳算法(Genetic Algorithms,簡稱GAs)就是這種生物
行為的計算機模擬中令人矚目的重要成果。基于對生物遺傳和進化過程的計算機模
擬,遺傳算法使得各種人工系統具有優良的自適應能力和優化能力。
遺傳算法所借鑒的生物學基礎就是生物的遺傳和進化。
1.1.1 遺傳與變異
遺傳(Heredity)—— 世間的生物從其父代繼承特性或性狀,這種生命現象就稱為
遺傳(Heredity),由于遺傳的作用,使得人們可以種瓜得瓜、
種豆得豆,也使得鳥仍然是在天空中飛翔,魚仍然是在水中邀
游。
• 構成生物的基本結構和功能的單位是細胞(Ce11)。
• 細胞中含有的一種微小的絲狀化合物稱為染色體(Chromosome),生物的所有遺
傳信息都包含在這個復雜而又微小的染色體中。
• 基因
經過生物學家的研究,控制并決定生物遺傳性狀的染色體主要是由一種叫做脫
氧核糖核酸(deoxyribonucleic acid 簡稱DNA)的物質所構成。 DNA在染色體中有
規則地排列著,它是個大分子的有機聚合物,其基本結構單位是核苷酸,許多核苷
酸通過磷酸二酯鍵相結合形成一個長長的鏈狀結構,兩個鏈狀結構再通過堿基間的氫鍵有
規律地扭合在一起,相互卷曲起來形成一種雙螺旋結構。基因就是DNA長鏈結構中占有一
定位置的基本遺傳單位。
• 遺傳信息是由基因(Gene)組成的,生物的各種性狀由其相應的基因所控制。
• 基因是遺傳的基本單位。細胞通過分裂具有自我復制的能力,在細胞分裂的過
程中,其遺傳基因也同時被復制到下一代,從而其性狀也被下一代所繼承。
• 遺傳基因在染色體中所占據的位置稱為基因座(Locus);
• 同一基因座可能有的全部基因稱為等位基因(Allele);
• 某種生物所特有的基因及其構成形式稱為該生物的基因型(Genotype);
• 而該生物在環境中呈現出的相應的性狀稱為該生物的表現型(Phenotype);
• 一個細胞核中所有染色體所攜帶的遺傳信息的全體稱為一個基因組(Genome)
生物的遺傳方式:
1. 復制
生物的主耍遺傳方式是復制。遺傳過程中,父代的遺傳物質DNA被復制到子
代。即細胞在分裂時,遺傳物質DNA通過復制(Reproduction)而轉移到新生的細
胞中,新細胞就繼承了舊細胞的基因。
2. 交叉
有性生殖生物在繁殖下一代時,兩個同源染色體之間通過交叉(Crossover)而重
組,亦即在兩個染色體的某一相同位置處DNA被切斷,其前后兩串分別交義組合
而形成兩個新的染色體。
3. 變異
在進行細胞復制時,雖然概率很小,僅僅有可能產生某些復制差錯,從而使
DNA發生某種變異(Mutation),產生出新的染色體。這些新的染色體表現出新的
性狀。
如此這般,遺傳基因或染色體在遺傳的過程中由于各種各樣的原因而發生變化。1.1.2 進化
地球上的生物,都是經過長期進化而形成的。根據達爾文的自然選擇學說,地
球上的生物具有很強的繁殖能力。在繁殖過程中,大多數生物通過遺傳,使物種
保持相似的后代;部分生物由于變異,后代具有明顯差別,甚至形成新物種。正
是由于生物的不斷繁殖后代,生物數目大量增加,而自然界中生物賴以生存的資
源卻是有限的。因此,為了生存,生物就需要競爭。生物在生存競爭中,根據對
環境的適應能力,適者生存,不適者消亡。自然界中的生物,就是根據這種優勝
劣汰的原則,不斷地進行進化。
• 生物的進化是以集團的形式共同進行的,這樣的一個團體稱為群體(Population),
或稱為種群。
• 組成群體的單個生物稱為個體(Individual),
• 每一個個體對其生存環境都有不同的適應能力,這種適應能力稱為個體的適應度(Fitness)。
1.1.3 遺傳與進化的系統觀
雖然人們還未完全揭開遺傳與進化的奧秘,即沒有完全掌握其機制、也不完全
清楚染色體編碼和譯碼過程的細節,更不完全了解其控制方式,但遺傳與進化的
以下幾個特點卻為人們所共識:
(1) 生物的所有遺傳信息都包含在其染色體中,染色體決定了生物的性狀;
(2) 染色體是由基因及其有規律的排列所構成的,遺傳和進化過程發生在染色體上;
(3) 生物的繁殖過程是由其基因的復制過程來完成的;
(4) 通過同源染色體之間的交叉或染色體的變異會產生新的物種,使生物呈現新的
性狀。
(5) 對環境適應性好的基因或染色體經常比適應性差的基因或染色體有更多的機會
遺傳到下一代。
1.2 遺傳算法簡介
遺傳算法是模擬生物在自然環境下的遺傳和進化過程而形成的一種自適應全局
優化概率搜索方法。
它最早由美國密西根大學的H.Holland教授提出,起源于60年代對自然和人工
自適應系統的研究;
1967年,Bagley發表了關于遺傳算法應用的論文,在其論文中首次使用“遺傳算法( Genetic Algorithm)”一詞。
70年代 De Jong基于遺傳算法的思想在計算機上進行了大量的純數值函數優化
計算實驗。
在一系列研究工作的基礎上,80年代由Goldberg進行歸納總結,形成了遺傳算法的基本框架。
- 遺傳算法的基本原理 基于遺傳算法的圖像分割 1次下載
- 基于MATLAB的遺傳算法 24次下載
- 非線性整數規劃的遺傳算法及MATLAB程序下載 11次下載
- 遺傳算法如何進行設計和其并行的實現 9次下載
- 遺傳算法辨識程序 1次下載
- 遺傳算法與PID 5次下載
- 遺傳算法的數學基礎 12次下載
- 遺傳算法的研究 14次下載
- 遺傳算法的原理與應用 12次下載
- 標準遺傳算法 14次下載
- 遺傳算法群體規模的研究
- 遺傳算法在管網優化設計中的應用
- 遺傳算法的實現技術
- 遺傳算法的模式理論
- 基本遺傳算法(GA)
- 功率模塊銅線鍵合工藝參數優化設計方案 526次閱讀
- 基于matlab遺傳算法求解置換流水車間調度問題 893次閱讀
- 基于matlab遺傳算法求解柔性車間調度問題 638次閱讀
- 一種面向低壓電器的協同裝配方法 419次閱讀
- 基于PCA-GA-BP算法的風力發電功率預測 1564次閱讀
- 關于AI遺傳算法的詳解 8.3w次閱讀
- 淺析遺傳算法的工作原理 7454次閱讀
- 關于基于TMS320C6678的粒子群算法并行的設計 5357次閱讀
- 基于膚色與人臉運動相結合的自動表情,對其識別算法進行了研究 4097次閱讀
- 機器學習算法之基于黑盒語音識別的目標對抗樣本 3287次閱讀
- 人工智能之遺傳算法(GA),搜索最優解的方法 1.5w次閱讀
- 深不可測的遺傳算法的原理原來是這么簡單 2.4w次閱讀
- 蟻群算法解決tsp問題 7447次閱讀
- 小生境遺傳算法的移動機器人路徑優化技術 1218次閱讀
- 配電網絡重構的改進混合遺傳算法 1128次閱讀
下載排行
本周
- 1電子電路原理第七版PDF電子教材免費下載
- 0.00 MB | 1490次下載 | 免費
- 2單片機典型實例介紹
- 18.19 MB | 93次下載 | 1 積分
- 3S7-200PLC編程實例詳細資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識別和講解說明
- 4.28 MB | 18次下載 | 4 積分
- 5開關電源原理及各功能電路詳解
- 0.38 MB | 10次下載 | 免費
- 6基于AT89C2051/4051單片機編程器的實驗
- 0.11 MB | 4次下載 | 免費
- 7基于單片機和 SG3525的程控開關電源設計
- 0.23 MB | 3次下載 | 免費
- 8基于單片機的紅外風扇遙控
- 0.23 MB | 3次下載 | 免費
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費
- 4LabView 8.0 專業版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費
- 5555集成電路應用800例(新編版)
- 0.00 MB | 33562次下載 | 免費
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費
- 8開關電源設計實例指南
- 未知 | 21539次下載 | 免費
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費
- 2protel99se軟件下載(可英文版轉中文版)
- 78.1 MB | 537791次下載 | 免費
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費
- 6電路仿真軟件multisim 10.0免費下載
- 340992 | 191183次下載 | 免費
- 7十天學會AVR單片機與C語言視頻教程 下載
- 158M | 183277次下載 | 免費
- 8proe5.0野火版下載(中文版免費下載)
- 未知 | 138039次下載 | 免費
評論
查看更多